基于計(jì)算機(jī)視覺的豬肉肌內(nèi)脂肪含量無損檢測方法
一種基于計(jì)算機(jī)視覺的豬肉肌內(nèi)脂肪含量無損檢測方法，
其特征在于包括以下步驟：
(1)標(biāo)定攝像機(jī)，得到圖像中單位像素對應(yīng)于真實(shí)場景中的實(shí)際長度；
(2)選取豬肉第5-6根肋骨處背最長肌作為樣本，將樣本放置于黑色背景布上，并用白色燈對樣本進(jìn)行補(bǔ)光，利用數(shù)碼照相機(jī)對樣本橫截面進(jìn)行俯拍，獲取豬肉眼肌樣本圖像，圖像大小為1000*1000像素；
(3)利用改進(jìn)的樣本塊修復(fù)方法對得到的樣本圖像進(jìn)行預(yù)處理，恢復(fù)圖像反光區(qū)域原有信息；
(4)結(jié)合最大熵法與迭代法對預(yù)處理后的眼肌圖像進(jìn)行圖像分割，提取出豬肉大理石花紋；
(5)從得到的大理石花紋圖像中提取出脂肪數(shù)量指標(biāo)、脂肪分布指標(biāo)和脂肪紋理指標(biāo)特征值；
(6)根據(jù)特征值和化學(xué)方法檢測結(jié)果建立逐步回歸預(yù)測模型和Fisher判別模型，而后對模型進(jìn)行檢驗(yàn)和結(jié)果比較，最后通過該模型對豬肉肌內(nèi)脂肪含量進(jìn)行預(yù)測；
所述步驟(3)圖像預(yù)處理過程中利用樣本塊修復(fù)方法對得到的樣本圖像進(jìn)行預(yù)處理包括以下步驟：
(1a)針對圖像反光區(qū)域特征，即反光區(qū)域中心像素點(diǎn)有較高的亮度(Value，V)值和較高的飽和度(Saturation，S)值，對圖像逐像素點(diǎn)進(jìn)行閾值分割以得到反光中心區(qū)域，分割公式如下：
其中的F(i，j)代表坐標(biāo)為(i，j)的像素點(diǎn)所對應(yīng)的顏色值，255對應(yīng)的是白色，0對應(yīng)的是黑色，thresh1和thresh2分別代表了某一固定的閾值，閾值大小視實(shí)際拍攝條件而定；
(1b)對圖像進(jìn)行2次全方向膨脹，使得圖像中相互靠近的反光中心區(qū)域相互合并，然后對膨脹后的圖像進(jìn)行2次全方向腐蝕，使得面積變大的反光中心區(qū)域還原為原始大小；
(1c)對于面積較大的反光中心區(qū)域，把這些區(qū)域的外接矩形作為圖像的反光區(qū)域，而對于面積很小的區(qū)域則進(jìn)行簡單的平滑處理；
(1d)利用改進(jìn)的樣本塊修復(fù)方法對反光區(qū)域進(jìn)行圖像復(fù)原，改進(jìn)方法如下：
首先修補(bǔ)過程中每次只針對一個待修復(fù)區(qū)域進(jìn)行修補(bǔ)，然后再復(fù)原其它修復(fù)塊，直到全部修補(bǔ)完成為止；其次在搜索最佳匹配塊的過程中采用二次匹配法進(jìn)行搜索，第一次匹配是粗略匹配，通過隔行隔列粗略搜索最佳匹配塊的中心點(diǎn)位置，每次掃描的數(shù)據(jù)量降為原圖四分之一；第二次匹配是精確匹配，在第一次匹配搜索到的中心點(diǎn)位置的八鄰域點(diǎn)內(nèi)進(jìn)行遍歷搜索，以得到最后的最佳匹配塊進(jìn)行修復(fù)。
所述步驟(4)圖像分割過程中結(jié)合最大熵法與迭代法對預(yù)處理后的眼肌圖像進(jìn)行圖像分割包括以下步驟：
(2a)去除圖像背景：將去除反光后的圖像轉(zhuǎn)換為灰度圖像，根據(jù)眼肌圖像的特征，轉(zhuǎn)換的灰度值公式為：Gray＝G*0.6+B*0.4，其中Gray為圖像灰度值，G為原始圖像綠色通道值，B為原始圖像藍(lán)色通道值，運(yùn)用大津法對得到的灰度圖像進(jìn)行整體閾值分割去除圖像背景，得到圖像P1；
(2b)提取眼肌中的脂肪部分：把P1均分為20*20份并分別進(jìn)行閾值分割，每一份小圖像根據(jù)其圖像特征為其選取不同的自適應(yīng)閾值分割算法，選取的流程如下，其中迭代法分割出的大理石花紋面積為S1，最大熵法分割出的大理石花紋面積為S2：
當(dāng)圖像塊中包含背景區(qū)域時，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割；
當(dāng)S2≤S1＜1.3*S2時，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割；
當(dāng)S1≤S2＜1.3*S1時，選用最大熵法對圖像塊進(jìn)行自適應(yīng)閾值分割；
當(dāng)S2≥1.3*S1時，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割；
當(dāng)S1≥1.3*S2時，選用最大熵法對圖像塊進(jìn)行自適應(yīng)閾值分割；
每個小塊分割完成后得到圖像P2；
(2c)去除肌間脂肪：對P2進(jìn)行輪廓提取，選出周長最大的一個輪廓，對該輪廓進(jìn)行填充，對填充后的區(qū)域進(jìn)行形態(tài)學(xué)膨脹處理得到圖像P3，對圖像P2和P3進(jìn)行差值運(yùn)算，得到圖像P4；
(2d)對P4進(jìn)行形態(tài)學(xué)膨脹處理得到圖像P5，對P5進(jìn)行輪廓提取，找出輪廓像素點(diǎn)個數(shù)小于10的輪廓區(qū)域，這些區(qū)域?yàn)樵肼朁c(diǎn)，去除這些區(qū)域得到圖像P6，對P5和P6進(jìn)行與計(jì)算得到圖像P7，此時的圖像即為提取出的眼肌大理石花紋。
所述步驟(5)特征提取過程中從得到的大理石花紋圖像中提取出脂肪分布指標(biāo)特征值共3個，所述特征的詳細(xì)表述如下：
F1脂肪顆粒均勻度：指的是脂肪顆粒分布變異系數(shù)，設(shè)有效眼肌圖像有n行，每行的脂肪像素占該行總像素比例為wi(i＝1,2,…,n)，平均值為則脂肪顆粒均勻度C的計(jì)算公式如下：
F2計(jì)盒維數(shù)；
F3信息維數(shù)。
其特征在于包括以下步驟：
(1)標(biāo)定攝像機(jī)，得到圖像中單位像素對應(yīng)于真實(shí)場景中的實(shí)際長度；
(2)選取豬肉第5-6根肋骨處背最長肌作為樣本，將樣本放置于黑色背景布上，并用白色燈對樣本進(jìn)行補(bǔ)光，利用數(shù)碼照相機(jī)對樣本橫截面進(jìn)行俯拍，獲取豬肉眼肌樣本圖像，圖像大小為1000*1000像素；
(3)利用改進(jìn)的樣本塊修復(fù)方法對得到的樣本圖像進(jìn)行預(yù)處理，恢復(fù)圖像反光區(qū)域原有信息；
(4)結(jié)合最大熵法與迭代法對預(yù)處理后的眼肌圖像進(jìn)行圖像分割，提取出豬肉大理石花紋；
(5)從得到的大理石花紋圖像中提取出脂肪數(shù)量指標(biāo)、脂肪分布指標(biāo)和脂肪紋理指標(biāo)特征值；
(6)根據(jù)特征值和化學(xué)方法檢測結(jié)果建立逐步回歸預(yù)測模型和Fisher判別模型，而后對模型進(jìn)行檢驗(yàn)和結(jié)果比較，最后通過該模型對豬肉肌內(nèi)脂肪含量進(jìn)行預(yù)測；
所述步驟(3)圖像預(yù)處理過程中利用樣本塊修復(fù)方法對得到的樣本圖像進(jìn)行預(yù)處理包括以下步驟：
(1a)針對圖像反光區(qū)域特征，即反光區(qū)域中心像素點(diǎn)有較高的亮度(Value，V)值和較高的飽和度(Saturation，S)值，對圖像逐像素點(diǎn)進(jìn)行閾值分割以得到反光中心區(qū)域，分割公式如下：
其中的F(i，j)代表坐標(biāo)為(i，j)的像素點(diǎn)所對應(yīng)的顏色值，255對應(yīng)的是白色，0對應(yīng)的是黑色，thresh1和thresh2分別代表了某一固定的閾值，閾值大小視實(shí)際拍攝條件而定；
(1b)對圖像進(jìn)行2次全方向膨脹，使得圖像中相互靠近的反光中心區(qū)域相互合并，然后對膨脹后的圖像進(jìn)行2次全方向腐蝕，使得面積變大的反光中心區(qū)域還原為原始大小；
(1c)對于面積較大的反光中心區(qū)域，把這些區(qū)域的外接矩形作為圖像的反光區(qū)域，而對于面積很小的區(qū)域則進(jìn)行簡單的平滑處理；
(1d)利用改進(jìn)的樣本塊修復(fù)方法對反光區(qū)域進(jìn)行圖像復(fù)原，改進(jìn)方法如下：
首先修補(bǔ)過程中每次只針對一個待修復(fù)區(qū)域進(jìn)行修補(bǔ)，然后再復(fù)原其它修復(fù)塊，直到全部修補(bǔ)完成為止；其次在搜索最佳匹配塊的過程中采用二次匹配法進(jìn)行搜索，第一次匹配是粗略匹配，通過隔行隔列粗略搜索最佳匹配塊的中心點(diǎn)位置，每次掃描的數(shù)據(jù)量降為原圖四分之一；第二次匹配是精確匹配，在第一次匹配搜索到的中心點(diǎn)位置的八鄰域點(diǎn)內(nèi)進(jìn)行遍歷搜索，以得到最后的最佳匹配塊進(jìn)行修復(fù)。
所述步驟(4)圖像分割過程中結(jié)合最大熵法與迭代法對預(yù)處理后的眼肌圖像進(jìn)行圖像分割包括以下步驟：
(2a)去除圖像背景：將去除反光后的圖像轉(zhuǎn)換為灰度圖像，根據(jù)眼肌圖像的特征，轉(zhuǎn)換的灰度值公式為：Gray＝G*0.6+B*0.4，其中Gray為圖像灰度值，G為原始圖像綠色通道值，B為原始圖像藍(lán)色通道值，運(yùn)用大津法對得到的灰度圖像進(jìn)行整體閾值分割去除圖像背景，得到圖像P1；
(2b)提取眼肌中的脂肪部分：把P1均分為20*20份并分別進(jìn)行閾值分割，每一份小圖像根據(jù)其圖像特征為其選取不同的自適應(yīng)閾值分割算法，選取的流程如下，其中迭代法分割出的大理石花紋面積為S1，最大熵法分割出的大理石花紋面積為S2：
當(dāng)圖像塊中包含背景區(qū)域時，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割；
當(dāng)S2≤S1＜1.3*S2時，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割；
當(dāng)S1≤S2＜1.3*S1時，選用最大熵法對圖像塊進(jìn)行自適應(yīng)閾值分割；
當(dāng)S2≥1.3*S1時，選用迭代法對圖像塊進(jìn)行自適應(yīng)閾值分割；
當(dāng)S1≥1.3*S2時，選用最大熵法對圖像塊進(jìn)行自適應(yīng)閾值分割；
每個小塊分割完成后得到圖像P2；
(2c)去除肌間脂肪：對P2進(jìn)行輪廓提取，選出周長最大的一個輪廓，對該輪廓進(jìn)行填充，對填充后的區(qū)域進(jìn)行形態(tài)學(xué)膨脹處理得到圖像P3，對圖像P2和P3進(jìn)行差值運(yùn)算，得到圖像P4；
(2d)對P4進(jìn)行形態(tài)學(xué)膨脹處理得到圖像P5，對P5進(jìn)行輪廓提取，找出輪廓像素點(diǎn)個數(shù)小于10的輪廓區(qū)域，這些區(qū)域?yàn)樵肼朁c(diǎn)，去除這些區(qū)域得到圖像P6，對P5和P6進(jìn)行與計(jì)算得到圖像P7，此時的圖像即為提取出的眼肌大理石花紋。
所述步驟(5)特征提取過程中從得到的大理石花紋圖像中提取出脂肪分布指標(biāo)特征值共3個，所述特征的詳細(xì)表述如下：
F1脂肪顆粒均勻度：指的是脂肪顆粒分布變異系數(shù)，設(shè)有效眼肌圖像有n行，每行的脂肪像素占該行總像素比例為wi(i＝1,2,…,n)，平均值為則脂肪顆粒均勻度C的計(jì)算公式如下：
F2計(jì)盒維數(shù)；
F3信息維數(shù)。
- 利用高光譜成像技術(shù)實(shí)現(xiàn)快速食品異物檢測
- 高光譜成像儀在檢索城市河流水質(zhì)參數(shù)方面的應(yīng)用
- FireFly 應(yīng)用快訊 - 有機(jī)食品一定更有營養(yǎng)價(jià)值嗎？
- 基于計(jì)算機(jī)視覺的豬肉肌內(nèi)脂肪含量無損檢測方法
- ASD--LabSpec地物光譜儀在反演土壤水分特征曲線方面的應(yīng)用
- 基于計(jì)算機(jī)視覺技術(shù)的胴體肌內(nèi)脂肪測定儀的應(yīng)用
- 光譜成像技術(shù)在有害藻華研究與監(jiān)測領(lǐng)域的應(yīng)用
- 海洋微塑料科學(xué)研究技術(shù)方案
- 易科泰高光譜成像系統(tǒng)限時促銷活動現(xiàn)已啟動
- 理加參加森林生態(tài)系統(tǒng)野外站觀測技術(shù)規(guī)范宣貫會
- Specim首席商務(wù)官一行來訪易科泰
- 理加聯(lián)合祝賀生態(tài)系統(tǒng)多要素觀測技術(shù)交流會圓滿結(jié)束
- 理加講座第三輪通知：碳中和背景下生態(tài)系統(tǒng)多要素
- 碳中和背景下生態(tài)系統(tǒng)多要素學(xué)術(shù)會（第二輪通知）
- 易科泰LiDAR-RGB系統(tǒng)助力重慶農(nóng)科院智能農(nóng)業(yè)發(fā)展
- 易科泰多功能高光譜成像技術(shù)榮獲農(nóng)高會“后稷獎”
Copyright(C) 1998-2024 生物器材網(wǎng) 電話：021-64166852;13621656896 E-mail：info@bio-equip.com